全卷积网络结合改进的条件随机场-循环神经网络用于SAR图像场景分类

• 作者: 何楚 汤浩
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 全卷积网络 条件随机场-循环神经网络 全局信息 全图距离权重
• 年，卷（期）: 2016,（12）
• 所属期刊栏目: 虚拟现实与数字媒体
• 页码范围: 3436-3441
• 页数: 6页
• 分类号: TN957.52
• 字数: 5125字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2016.12.3436

摘要

传统合成孔径雷达(SAR)图像基于粗分割像素块提取相关特征,后接支持向量机(SVM)和马尔可夫随机场(MRF)或条件随机场(CRF)进行分类,该方法存在同一像素块内部不同类别像素的误差,而且只考虑邻近区域未充分用到全局信息和结构信息.故考虑基于像素点引入全卷积网络(FCN),以ESAR卫星图像为样本,基于像素点级别构建卷积网络进行训练,得到各像素的初始类别分类概率.为了考虑全局像素类别的影响后接CRF-循环神经网络(CRF-RNN),利用FCN得到的初始概率,结合CRF结构得到全局像素类别转移结果,之后进行RNN的迭代进一步优化实验结果.由于基于像素点和考虑了全局信息与结构信息,克服了传统分类的部分缺点,使正确率较传统SVM或CRF方法平均提高了约6.5个百分点.由于CRF-RNN的距离权重是用高斯核人为拟合的,不能随实际训练样本来改变和确定,故存在一定误差,针对该问题提出可训练的全图距离权重卷积网络来改进CRF-RNN,最终实验结果表明改进后方法的正确率较未改进的CRF-RNN又提高了1.04个百分点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何楚	武汉大学电子信息学院	36	255	10.0	14.0
2	汤浩	武汉大学电子信息学院	1	17	1.0	1.0